Отправить статью по E-mail 
Метод повышения контрастности изображений с использованием генетического алгоритма
- Авторы: Гридин В.Н.1, Доманов К.И.1, Солодовников В.И.1
-
Учреждения:
- Центр информационных технологий в проектировании РАН
- Выпуск: № 2 (2023)
- Страницы: 67-75
- Раздел: Интеллектуальные системы и технологии
- URL: https://ogarev-online.ru/2071-8632/article/view/286536
- DOI: https://doi.org/10.14357/20718632230207
- ID: 286536
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
Представлен метод локального повышения контрастности изображений, основанный на распределении уровней серого в окрестности каждого отдельного пикселя. Произведена автоматизация рассмотренного подхода с использованием генетического алгоритма, что позволило исключить необходимость ручной настройки параметров преобразования. Выбраны необходимые критерии оценки качества изображений, среди которых основными являются: количество краевых пикселей, их суммарная интенсивность, мера энтропии изображения и мера яркостной адаптации. Реализованы программные компоненты и апробировано их функционирование на различных классах изображений, которое показало успешность применения данного подхода для изображений с высокой плотностью распределения градаций яркости, равномерной высвеченностью и слабой величиной градиента граничных пикселей.
Об авторах
Владимир Николаевич Гридин
Центр информационных технологий в проектировании РАН
Автор, ответственный за переписку.
Email: info@ditc.ras.ru
Научный руководитель, доктор технических наук, профессор. Область научных интересов: информационные технологии, системы автоматизированного проектирования, методы искусственного интеллекта
Россия, ОдинцовоКонстантин Ильич Доманов
Центр информационных технологий в проектировании РАН
Email: domanovki@student.bmstu.ru
Инженер-исследователь. Область научных интересов: информационные технологии, компьютерное зрение
Россия, ОдинцовоВладимир Игоревич Солодовников
Центр информационных технологий в проектировании РАН
Email: info@ditc.ras.ru
Директор, кандидат технических наук. Область научных интересов: методы искусственного интеллекта, самоорганизующиеся системы поддержки принятия решений, нейросетевой анализ данных
Россия, ОдинцовоСписок литературы
- Гонзалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. Москва, Техносфера, 2012, с. 1104.
- Батищев Д.И., Неймарк Е.А., Старостин Н.В. Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике». Нижний Новгород, 2007, c. 85.
- Munteanu C., Rosa A. Gray-Scale Image Enhancement as an Automatic Process Driven by Evolution. IEEE Transactions on Systems, Man, and Cybernetics, 2004, с. 1292–1298.
- Панченко Т.В. Генетические алгоритмы: учебно-методическое пособие. Астрахань, Астраханский университет, 2007, c. 6.
- Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Харьков, ОСНОВА, 1997, c. 112.
- Тим Джонс М. Программирование искусственного интеллекта в приложениях: пер. с англ. ДМК Пресс, 2004, c. 312.
- Демин А.Ю., Дорофеев В.А. Распараллеливание алгоритма выделения границ объектов на основе структурно-графического представления. Томский политехнический университет, 2013, с. 160.
- Мартьянова А.В., Лабунец В.Г. Задача агрегирования при выделении границ объектов на изображении. Вестник ЮУрГУ, 2015, с. 6.
- Цветков О.В., Поливанайте Л.В., Куценко С.А., Репина М.В. Простая высокоинформативная метрика для оценки качества изображений в биомедицинских системах. Санкт-Петербург, Биотехносфера, 2014, с. 56.
- PSNR и SSIM или как работать с изображениями под С – URL: https://habr.com/ru/post/126848/ – Habr (дата обращения 09.09.2022).
- Akhilesh Verma. A Survey on Image Contrast Enhancement Using Genetic Algorithm. International Journal of Scientific and Research Publications, Volume 2, Issue 7, 2012.
Дополнительные файлы
